【环球网科技报道 记者 郑湘琪】当前具身智能赛道持续升温，据IDC预测老牌配资平台，2025年中国具身智能机器人用户支出规模超过14亿美元，到2030年将上升至770亿美元，年均复合增长率（CAGR）达94%。伴随增长曲线向上延伸，业内讨论的焦点正在移向一个更根本的问题：如何构建规模化的数据供给与训练体系。
“具身智能行业的注意力正在从‘本体’转向‘数据和训练’。”北京谋先飞技术有限公司COO周恩凯告诉记者，行业已经越过了单纯的硬件炫技阶段，数据供给和训练能力的质量与成本将在很大程度上影响产业落地的进程。
如其所言，在具身智能从实验室走向产业落地的进程中，训练数据的供给能力正在成为关键变量。而谋先飞的定位正是围绕这一变量展开——深耕物理AGI基础设施，打通从数据生成到模型训练再到真机部署的全链路，让AI在仿真环境完成训练后可以直接迁移至真实机器人，为行业走向规模化训练提供一条可复用的底层路径。
让具⾝智能开发⾛向“⼯业化流⽔线”
据周恩凯介绍，为将“数据生产—模型训练—大规模验证—真机部署”四阶段打通成一条闭环流水线，谋先飞正构建⼀套以⾃研物理仿真引擎 MotrixSim 为底座的基础设施。具体而言，MotrixGen负责从真实世界快速构建可用于训练的三维资产和场景，解决“资产从哪来”的问题；MotrixSim把这些资产接入高精度、可大规模并行的仿真环境，机器人在其中运动、抓取、交互，得到稳定的物理与传感器反馈；MotrixLab则支撑强化学习和视觉语言动作模型的训练。
随着机器人在这一整套“真实—仿真—真实”闭环框架中完成训练和学习，策略在仿真里练成后可直接零样本迁移至真机。“我们还会结合3到10倍的训练加速和照片级渲染，实现虚实差距收窄，基于此数据获取成本大幅下降，长尾场景可以规模化复现，策略迭代速度也会明显提升。”周恩凯说。
在今年的WAIC上，谋先飞联合地瓜机器人、影眸科技发布了具⾝智能可训练仿真闭环联合解决⽅案。周恩凯谈到，此次合作的出发点在于，具身智能训练高度依赖真实场景数据，但真实数据采集面临场地、设备、人员的多重成本约束，复杂布局、特殊物体状态这类长尾场景在真实环境里很难稳定复现，而传统仿真又依赖人工搭建场景，周期长，同时和真实世界有明显偏差。
针对这一行业痛点，三方各出所长将这条链补齐。影眸科技Hyper3D WorldGen从单张照片就能还原出独立的3D资产和场景，谋先飞将生成的3D资产通过自由管线处理为自带物理属性的适配仿真器的原生资产，可以直接用于仿真；把这些资产接入MotrixSim仿真环境，提供稳定的物理和传感器反馈，同一场景还能复制多份并行跑，支撑大规模训练；地瓜机器人(D-Robotics)则提供算力底座和开发工具链，把场景生成、仿真运行、数据采集、模型训练整合到同一平台。
周恩凯表示，“三方希望通过合作实现从真实影像到可训练场景的端到端转化，让训练所得的策略能直接迁移到实体机器人。这是因为让高质量具身数据的生产变成一件低成本、可规模化的事，是整个行业落地的前提。”
真机与仿真互补，与行业共建标准体系
WAIC期间，谋先⻜还与国家地方共建人形机器人创新中心（以下简称“国地中心”）正式签署战略合作协议，成为国地中心在行业基础设施建设、高质量数据应用以及供应链等方面的战略合作伙伴。据周恩凯介绍，双方将共建“真机—仿真”融合数据工厂，将面向复杂任务的可复制、可规模化数据供给能力做出来；共建实训场，将实景实训和仿真训练两种范式融合；共建标准体系，为行业提供可参照的规范标尺。
“具⾝智能下⼀步的瓶颈不在‘有没有机器⼈’,⽽在‘有没有⾜够⾼质量、够规模、可复⽤的数据’,以及‘这些数据和训练⽅法有没有统⼀标准’。这两件事，恰好是真机侧和仿真侧要合起来才能做成的。而国地中心在真机数据采集、多机型实训上有独特积累，谋先飞则是仿真、训练、数据生成这条虚拟侧链路的自研底座。两边正好是‘真机’和‘仿真’的互补，合起来就能构建从物理世界到数字世界、再回到物理世界的完整闭环。”周恩凯说，这不仅是一次商业合作，⽽是卡位到具⾝智能“数据新基建”的底层，数据和标准这一层一旦建立起来，会长期定义整个行业的效率。
这种对行业标准的关注，也在向国际层面延伸。今年7月，具身智能标准焦点组（FG—EAI）研讨会在日内瓦人工智能向善全球峰会期间召开。研讨会由国际电信联盟电信标准化局（ITU—T）第21研究组（SG21）主办，中国信息通信研究院协办。在参加该研讨会后，周恩凯表示，“具⾝智能这个领域标准还处在早期阶段，而中国企业在真机实训、仿真训练、数据闭环等领域的工程落地能力已经走在前面，更多不是去‘跟随’别人已有的规则，而是把我们在真实场景里跑出来的实践经验拿出来，参与到规则形成的过程中。”
他坦言，仿真领域最急需的标准有三方面：虚实差距的评测标准，即如何客观衡量仿真环境与真机的一致性；数据和资产的互通标准，这直接决定行业能不能形成规模化供给；超大规模评测基准，且仿真环境下的评测结果必须与真机环境保持高度一致。
仿真数据走向主流，加速推进多场景落地
谈及对行业发展趋势的洞察，周恩凯告诉记者，⾏业正处在从“能演⽰”到“能规模化训练、能真正落地”的关键跨越期。整个行业正在从单纯的“运动能力”向“精细操作能力”以及“移动与操作深度融合”转型。“能否自主与物理世界进行交互，而不仅仅是跑跑跳跳，是具身智能能否真正成为下一个百万亿级产业的重要标志。如何开发、训练各类灵巧操作，现在是摆在行业面前的一道必答题。”
与此同时，行业对从真实、仿真再回到真实环境的完整开发基建需求也日益迫切。周恩凯谈到，过去几年本体厂商发展迅猛，优秀硬件层出不穷，学术研究同样进展迅速，诞生了一系列针对运动追踪、强化学习、视觉语言动作模型、触觉与视触觉、仿真数据合成等领域的研究成果。“但有了本体，怎么训、怎么测、怎么落地，现在还没有标准答案，急需一个完备、可靠、高效的具身开发范式。”
在周恩凯看来，上述变化推动了基于高精度仿真的完整“真实—仿真—真实”开发框架逐渐成为行业共识。一套能够从真实世界构建训练环境并大量生产高质量训练数据、进而快速完成具体技能训练、验证和部署的统一开发底座，正在成为具身智能未来的刚需。
展望下一阶段，周恩凯认为，模型训练范式与数据生产范式将迎来显著变化。模型训练对数据多样性数量和质量的要求会不断提升，在数据生产方面，只有仿真合成数据能够提供重组的高质量数据，将成为训练数据的主流。而谋先飞目前所做的工作，是用新的训练范式，发展适合仿真的模型架构与训练方法来提升最终真机部署效果，同时让数量提升数千倍，再通过域随机化技术支撑模型的泛化能力和鲁棒性需求。
另一个值得关注的变化发生在评测环节。周恩凯表示，随着仿真精度的提升，仿真与真实世界之间的鸿沟正在被逐步消解。仿真评测基准将覆盖真机可以测试以及无法测试的各类场景、任务和长尾情况，并且保证测试过程安全、可靠、高效、可复现。
基于此，谋先飞将一方面持续打磨MotrixSim引擎物理精度和训练加速能力，把“真实—仿真—真实”闭环在人形、四足、灵巧手等更多机型上验证到位；另一方面是加强国内外主流算力适配，在产业链上与地瓜机器人、影眸科技、国地中心等伙伴协同，将数据工厂、实训场、标准体系这些新基建真正建起来、用起来，推进在工业制造、商业服务、家庭服务等场景的落地。
从“能跑能跳”到“能操作能协同”老牌配资平台，从硬件比拼到数据竞赛，具身智能产业正在经历一场从底层逻辑到上层生态的系统性重塑。当行业共识逐渐收敛于“真实—仿真—真实”闭环，竞争的重心也从单点技术突破转向了基础设施的厚度。谋先飞围绕仿真底座、数据工厂和标准体系所做的布局，正是在这一方向上积累长期价值，从而为具身智能产业的提质升级铺就一条可复用的跑道。
天载配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
